import pandas as pd
import altair as alt

##El estudio de los conflictos sociales permite identificar las tensiones entre el Estado y la sociedad civil. Este reporte analiza una base de datos de eventos de protesta (2023-2024), buscando no solo describir su frecuencia, sino también su intensidad y el tratamiento informativo que reciben.

ruta = r"C:\Users\maria\Downloads\Python -QLAB\Base de Eventos de Protesta del Perú_1980_2025.xlsx"
data = pd.read_excel(ruta)

data.columns = data.columns.str.lower()

data['número_heridos'] = pd.to_numeric(data['número_heridos'], errors='coerce').fillna(0)
data['número_muertos'] = pd.to_numeric(data['número_muertos'], errors='coerce').fillna(0)

data.head()

variables_interes = ['año', 'región', 'número_heridos', 'número_muertos', 'sector_1']
data_estudio = data[variables_interes].copy()

data_estudio['número_heridos'] = data_estudio['número_heridos'].fillna(0)
data_estudio['número_muertos'] = data_estudio['número_muertos'].fillna(0)

def categorizar_protesta(fila):
    if fila == 0:
        return "Pacífica/Sin víctimas"
    elif fila <= 5:
        return "Violencia Moderada"
    else:
        return "Violencia Alta"
data_estudio['total_victimas'] = data_estudio['número_heridos'] + data_estudio['número_muertos']
data_estudio['intensidad'] = data_estudio['total_victimas'].apply(categorizar_protesta)

   total_victimas             intensidad
0             0.0  Pacífica/Sin víctimas
1             0.0  Pacífica/Sin víctimas
2            15.0         Violencia Alta
3             0.0  Pacífica/Sin víctimas
4             0.0  Pacífica/Sin víctimas

grafico_1 = alt.Chart(data_estudio).mark_line(point=True).encode(
    x = alt.X('año:O', title='Año'),
    y = alt.Y('count():Q', title='Cantidad de Protestas'),
    tooltip = ['año', 'count()']
).properties(title='Evolución de las Protestas en el Perú', width=500).interactive()

import altair as alt

alt.data_transformers.disable_max_rows()

DataTransformerRegistry.enable('default')

grafico_1.display()

dataregiones = data_estudio['región'].value_counts().head(24).index.tolist()
data_regiones = data_estudio[data_estudio['región'].isin(dataregiones)]

grafico_2 = alt.Chart(data_regiones).mark_bar().encode(
    x = alt.X('count():Q', title='Número de Eventos'),
    y = alt.Y('región:N', sort='-x', title='Departamento'),
    color = alt.Color('intensidad:N', title='Nivel de Intensidad'),
    tooltip = ['región', 'intensidad', 'count()']
).properties(title='Intensidad de Protestas en Regiones', width=500).interactive()

grafico_2.display()

variables_interes1 = ['año', 'región', 'periódico', 'número_muertos', 'sector_1']
data_estudio1 = data[variables_interes1].copy()

tabla = pd.crosstab(data_estudio1['periódico'], data_estudio1['sector_1'], normalize='index') * 100

data_periodicos = data_estudio1.assign(periódico=data_estudio1['periódico'].str.split('/'))
data_periodicos = data_periodicos.explode('periódico')
data_periodicos['periódico'] = data_periodicos['periódico'].str.strip()

tabla = pd.crosstab(data_periodicos['sector_1'], data_periodicos['periódico'], normalize='columns') * 100

tabla_altair = tabla.reset_index()
tabla_melted = tabla_altair.melt(id_vars='sector_1', var_name='periódico', value_name='porcentaje')

grafico_final = alt.Chart(tabla_melted).mark_bar().encode(
    x = alt.X('porcentaje:Q', title='Porcentaje de Cobertura (%)'),
    y = alt.Y('sector_1:N', sort='-x', title='Sector de la Protesta'),
    color = alt.Color('periódico:N', title='Periódico'),
    tooltip = ['periódico', 'sector_1', 'porcentaje']
).properties(
    title='Agenda Mediática: Distribución de Sectores por Periódico',
    width=600,
    height=400
).interactive()

grafico_final.display()

	id	periódico	periódico_id	día	mes_id	mes	año	fecha	presidente_id	presidente	...	institución_1	institución_2	institución_3	institución_id	reclamo_t	reclamo	reclamo_id	sub_reclamo	sub_reclamo_id	comentar_t
0	1	Expreso	5.0	1	1	Enero	1980	############	1	Morales Bermúdez	...	Empresas periodísticas	Periodicos y diarios.	NaN	909.0	Exigen que las empresas periodísticas les otor...	Laborales	1	Bonificaciones	105	NaN
1	2	Expreso	5.0	3	1	Enero	1980	############	1	Morales Bermúdez	...	Instituto Peruano de Seguridad Social	NaN	NaN	712.0	Demandan una mejora en condiciones salariales.	Laborales	1	Aumentos salariales	101	Exigen además: recategorización, aumento gener...
2	3	Expreso	5.0	4	1	Enero	1980	############	1	Morales Bermúdez	...	Ministerio de Justicia	Centro de Readaptación Social de Chorrillos	NaN	105.0	Protestan por la mala alimentación recibida en...	Servicios	4	Alimentación	407	15 internas resultaron heridas.
3	4	Expreso / El Comercio	6.0	4	1	Enero	1980	############	1	Morales Bermúdez	...	Empresas periodísticas	Empresa Periodistica Nacional S.A.	NaN	909.0	Protestan contra medidas de la empresa que ate...	Laborales	1	Mejores condiciones laborales	104	Huelga declarada ilegal por el gobierno. Inici...
4	5	El Comercio	7.0	4	1	Enero	1980	############	1	Morales Bermúdez	...	Municipalidades Provinciales de Cusco	Cusco	NaN	508.0	Denuncian el despido arbitrario de trabajadores.	Laborales	1	Estabilidad laboral	109	También demandan la destitución de cuatro func...

Fundamentos de Programación en Python para las Ciencias Sociales¶

Objetivo: Aplicar herramientas de programación en Python para limpiar, transformar y visualizar patrones de protesta y su impacto en la agenda pública.¶